以下は、8年前、子ども脱被ばく裁判で、統計学の勉強・検討をしている中で書いた雑文。
私には、訳の分からない事態に直面すると、問題を解くよりも、どこに「真の問題」があるのか、その所在を突き止めたくなる性癖がある。
それは私が最初にやった大河ドラマの著作権裁判から、この問題がつきまとっていた。
→小森意見書の作成過程でのやり取り1
Subject: [2014maxlaw:3073]
雑感9:統計学の不可避の論争はどこで生じるか
皆さんへ
柳原です。
先ほどの続き(総論13)で、ラストに書いた
統計処理の構造が分かると何が嬉しいかというと、最低限、次の2つが明確に合点がいきます。
1、統計処理では、どこでどんな問題が本質的な議論として登場するのか。
2、その反面、統計処理では、どこのどんな問題は、理解しなくても結論だけ鵜呑みにして覚えるだけで差し支えないか。
答えを抽象的に言うと、こうなります。
経験的事実から形式体系へ跳躍する(1から2へ)場面、そして再び形式体系から経験的事実に帰還する(2から3)場面で、不可避に困難な問題が発生する。
具体的にいうと、基本はこの3つに集約できる。
1、データをめぐる問題:統計的に処理したいデータを集め、統計処理向きに編集する局面で、それが果たして本当に当該データの特質を相応しいデータの収集&編集になっているかどうか。
2、モデル選択の問題:1のデータに対して最も相応しいモデルが何かを選択する時、その選択が間違っていないかどうか。
3、交絡因子の問題:2のモデル選択して、そのモデルに従ってデータ解析した結果に対して、別の原因(因子)による影響ではないかという異議申立(抗弁)の検討。
これらについては、総論として、次のことを理解した上で、本件の具体的な問題に対処するのが効率的です。
1、データをめぐる問題:統計的に処理したいデータを集め、統計処理向きに編集する局面で、当該データの特質を相応しいデータの収集&編集とはいかなるものか。
2、モデル選択の問題:1のデータに対して最も相応しいモデルを選択するためには、いかなる判断基準に従えばよいか。
3、交絡因子の問題:2のモデル選択して、そのモデルに従ってデータ解析した結果に対して、別の原因(因子)による影響ではないかという交絡因子の問題に対して、本来、どう対処すべきか。
他方、3つの操作の2のうち、純然たる確率論の領域の問題については、例えば 濱岡論文に登場する検定力、AIC、BIC、最尤法、尤度関数、t値、最小2乗の原理、‥‥は、その詳細や証明を理解しなくても、(分かったふりをして)その結論だけ受け入れても、この裁判の解決にとって全く支障がないはずです。
言い換えれば、裁判官に対しても、検定力、AIC‥‥のような専門用語は理解しなくてもちっとも心配いらない、ここはそのまま鵜呑みにしても紛争の正しい解決に支障はない、と裁判官にも安心させることができる。
ただし、これらの専門用語が結局、どのレベルの議論の中で、どのように使われているのかについては、裁判官に理解できるようにあらかじめ説明しておく必要があります。
例えば、濱岡論文には、沢山のモデルの専門用語が登場します。例えば、
ロジット・モデル
ハザード・モデル
線量ダミー変数モデル
線形スプラインモデル‥‥
でも、ここで、要するに、集めて編集した統計データに対して、どのモデルを選択するのが最も適切かという最重要問題をめぐって論争しているのだ、どのモデルを選択するかによって、そこから引き出されるデータの本質が何かという判断が異なっているという意味で、とても重要なのだとさえ分かれば、いくつもモデルが登場することに裁判所も敬遠することもなくなるでしょう。
他方、今回、私が思ったのは、例えば、濱岡論文「福島県民健康調査に対する論評」の中で、鈴木論文を「検定力の低下」を批判しているのですが、仮にそれが正しいとした場合、
1、検定力の低下っていうけれど、それは具体的に何を意味するのか。
2、じゃあ、どうすればよいのか、たとえばデータの収集のここがおかしいからこう直すべきだとか、データの編集のここがおかしいからこう修正すべきだ
ということまで裁判官に分かるように説明すべきだと思いました。
でないと、ふ~~んと聞いているだけで、それ以上、どうしたらよいのか、裁判官自身の次の行動が分かりません(私達も同様ですが)。
とりいそぎ、駆け足のコメントでした。

